La IA hecha para militares puede ayudar al tratamiento bipolar

Una nueva investigación descubre que una aplicación de aprendizaje automático diseñada para el ejército también se puede utilizar para predecir los resultados del tratamiento para el trastorno bipolar.

Investigadores de la Universidad de Cincinnati (UC) realizaron el estudio médico utilizando la aplicación desarrollada originalmente para el combate aire-aire. El uso exitoso de la lógica difusa basada en máquinas abre la posibilidad de usar IA, o aprendizaje automático, para tratar enfermedades.

En el estudio, el Dr. David Fleck, profesor asociado de la Facultad de Medicina de la UC, y sus coautores utilizaron inteligencia artificial denominada "árboles difusos genéticos" para predecir cómo responderían los pacientes bipolares al litio.

El trastorno bipolar, representado en el programa de televisión "Homeland" y el "Silver Linings Playbook", ganador del Oscar, afecta a seis millones de adultos en los Estados Unidos o al cuatro por ciento de la población adulta en un año determinado.

"En psiquiatría, el tratamiento del trastorno bipolar es tanto un arte como una ciencia", dijo Fleck.

“Los pacientes fluctúan entre períodos de manía y depresión. Los tratamientos cambiarán durante esos períodos. Es realmente difícil tratarlos adecuadamente durante las etapas de la enfermedad ".

En el estudio, los investigadores encontraron el mejor de los ocho modelos comunes que se utilizan actualmente para tratar el trastorno bipolar, y predijeron quién respondería al tratamiento con litio con un 75 por ciento de precisión.

En comparación, el modelo que los investigadores de la UC desarrollaron utilizando IA predijo cómo responderían los pacientes al litio el 100 por ciento de las veces. Aún más impresionante, el modelo UC predijo la reducción real de los síntomas maníacos después del tratamiento con litio con un 92 por ciento de precisión.

Resulta que el mismo tipo de inteligencia artificial que superó a los pilotos de la Fuerza Aérea el año pasado en simulación tras simulación en la Base de la Fuerza Aérea Wright-Patterson es igualmente hábil para tomar decisiones beneficiosas que pueden ayudar a los médicos a tratar enfermedades.

Los hallazgos aparecen en la revistaTrastornos bipolares.

“Lo que esto muestra es que un esfuerzo financiado para la industria aeroespacial es un cambio de juego para el campo de la medicina. Y eso es increíble ”, dijo el Dr. Kelly Cohen, profesor de la Facultad de Ingeniería y Ciencias Aplicadas de la UC.

El graduado de doctorado de Cohen, Nicholas Ernest, es fundador de la empresa Psibernetix, Inc., una empresa de consultoría y desarrollo de inteligencia artificial.

Psibernetix está trabajando en aplicaciones como combate aire-aire, ciberseguridad y análisis predictivo. El algoritmo de lógica difusa de Ernest es capaz de clasificar vastas posibilidades para llegar a las mejores opciones, literalmente, en un abrir y cerrar de ojos.

"Normalmente, los problemas que resuelven nuestras IA tienen muchos, muchos googolplexes de posibles soluciones, efectivamente infinitas", dijo el coautor del estudio Ernest.

Su equipo desarrolló una lógica difusa genética llamada Alpha capaz de derribar pilotos humanos en simulaciones, incluso cuando la aeronave de la computadora estaba intencionalmente discapacitada con una velocidad máxima más lenta y características de vuelo menos ágiles.

La toma de decisiones autónoma en tiempo real del sistema derribó al coronel retirado de la Fuerza Aérea de los EE. UU. Gene Lee en cada enfrentamiento.

"Parecía estar consciente de mis intenciones y reaccionar instantáneamente a mis cambios en el vuelo y al despliegue de mis misiles", dijo Lee el año pasado. “Supo derrotar el tiro que estaba haciendo. Se movió instantáneamente entre acciones defensivas y ofensivas según fuera necesario ".

El Instituto Estadounidense de Aeronáutica y Astronáutica honró a Cohen y Ernest este año por su “avance y aplicación de la inteligencia artificial a problemas relacionados con la industria aeroespacial a gran escala, significativos y desafiantes”.

Cohen pasó gran parte de su carrera trabajando con IA basada en lógica difusa en drones. Aprovechó un año sabático de la facultad de ingeniería para acercarse a la Facultad de Medicina de la UC con una idea: ¿y si pudieran aplicar el asombroso poder predictivo de la lógica difusa a un problema médico particularmente molesto?

La medicina y la aviónica tienen poco en común. Pero cada uno implica un proceso ordenado, un vasto árbol de decisiones, para llegar a las mejores opciones.

La lógica difusa es un sistema que no se basa en definiciones específicas sino en generalizaciones para compensar la incertidumbre o el ruido estadístico. Esta inteligencia artificial se llama "genética difusa" porque constantemente refina su respuesta, desechando las opciones menores de una manera análoga a los procesos genéticos de la selección natural darwiniana.

Cohen lo compara con enseñarle a un niño a reconocer una silla. Después de ver solo algunos ejemplos, cualquier niño puede identificar el objeto en el que la gente se sienta como una silla, independientemente de su forma, tamaño o color.

“No necesitamos una gran base de datos estadística para aprender. Resolvemos las cosas. Hacemos algo similar para emular eso con lógica difusa ”, dijo Cohen.

Cohen encontró una audiencia receptiva en Fleck, que trabajaba con el antiguo Centro de Investigación de Imágenes de la UC. Después de todo, ¿quién mejor para abordar uno de los problemas más difíciles de la ciencia médica que un científico espacial? Cohen, un ingeniero aeroespacial, se sintió preparado para la tarea.

Ernest dijo que la gente no debería confundir la tecnología con sus aplicaciones. El algoritmo que desarrolló no es un ser sensible como los villanos de la franquicia de películas "Terminator", sino simplemente una herramienta, dijo, aunque poderosa con aplicaciones aparentemente infinitas.

La compañía de Ernest creó EVE, una IA genética difusa que se especializa en la creación de otras IA genéticas difusas. EVE ideó un modelo predictivo para datos de pacientes llamado LITHium Intelligent Agent o LITHIA para el estudio bipolar.

“Este modelo predictivo aprovecha el poder de la lógica difusa para permitirle tomar una decisión más informada”, dijo Ernest. Y a diferencia de otros tipos de IA, la lógica difusa puede describir en un lenguaje simple por qué tomó sus decisiones, dijo.

Los investigadores se asociaron con el Dr. Caleb Adler, vicepresidente de investigación clínica del Departamento de Psiquiatría y Neurociencia del Comportamiento de la UC, para examinar el trastorno bipolar, una enfermedad común, recurrente y a menudo de por vida. A pesar de la prevalencia de los trastornos del estado de ánimo, sus causas son poco conocidas, dijo Adler.

"Realmente, es una caja negra", dijo Adler. “Diagnosticamos a alguien con trastorno bipolar. Esa es una descripción de sus síntomas. Pero eso no significa que todos tengan las mismas causas subyacentes ".

Seleccionar el tratamiento adecuado puede ser igualmente complicado.

“Durante los últimos 15 años ha habido una explosión de tratamientos para la manía. Tenemos más opciones. Pero no sabemos quién va a responder a qué ", dijo Adler. "Si pudiéramos predecir quién respondería mejor al tratamiento, ahorraría tiempo y consecuencias".

Con la atención adecuada, el trastorno bipolar es una enfermedad crónica manejable para los pacientes cuyas vidas pueden volver a la normalidad, dijo.

El nuevo estudio de la UC, financiado en parte por una subvención del Instituto Nacional de Salud Mental, identificó a 20 pacientes a los que se les recetó litio durante ocho semanas para tratar un episodio maníaco. Quince de los 20 pacientes respondieron bien al tratamiento.

El algoritmo utilizó un análisis de dos tipos de escáneres cerebrales de pacientes, entre otros datos, para predecir con una precisión del 100 por ciento qué pacientes respondieron bien y cuáles no. Y el algoritmo también predijo la reducción de los síntomas a las ocho semanas, un logro que se hizo aún más impresionante por el hecho de que solo se usaron datos biológicos objetivos para la predicción en lugar de opiniones subjetivas de médicos experimentados.

Fuente: Universidad de Cincinnati